（会计学专业论文）基于bp神经网络的财务预警方法探讨.pdf

摘要 因财务危机导致企业经营陷入困境，甚至宣告破产的例子一直屡见不鲜。但任 何财务危机都有一个逐步显现、不断恶化的过程，因此有必要对企业的财务运营 过程进行跟踪、监控，以便及早地发现财务危机征兆并对此采取行之有效的措旌， 以降低企业的经营风险。创建财务预警系统，对财务运营做出预测预报，无论从 哪个立场来分析都是十分必要的。经营者能够在财务危机出现的萌芽阶段采取有 效措施改善企业经营，预防失败；投资者在发现企业的财务危机萌芽后能够及时 处理现有投资，避免更大损失；银行等金融机构可以利用这种预测，帮助做出贷 款决策并进行贷款控制；相关企业可以在这种信号的帮助下做出信用决策并对应 收帐款进行有效管理；注册会计师则利用这种预警信息确定其审计程序，判断该 企业的前景，降低审计风险。因此现代企业管理应以稳健经营为原则。在发现经营 风险和财务危机时，及时制定出应急方案，化解财务危机，降低财务风险。 在国外已经形成了一套比较完整的财务预警系统，因此借鉴国外一些成功的 经验并结合我国的国情建立一套比较实用的财务预警系统是完全有可能的。当前 国内外的财务预警系统大多采用定量预警中的多变量财务预警模型，这些模型是 建立在统计学的基础之上的，因此财务指标必须符合统计学对数据的严格要求， 如：回归、正态分布等，也就是对财务指标的处理非常困难。为解决这一问题， 笔者利用b p 神经网络技术试图建立一种便于操作的财务预警模型，一种无需对财 务指标进行人工处理的方法。 b p ( b a c k p r o p a g a t i o n ) 神经网络是一种具有定向学习特点的计算机技术， 是模拟人的大脑进行自我调整、自我学习的人工智能技术。典型的b p 神经网络由 输入层、隐含层、输出层组成，每层含有多个节点，相邻两层之间节点形成相互 连接，但同层各节点互不连接。由于该网络具有自我调整、自我学习的特点，可 以把所有影响财务风险大小的财务指标考虑进去。其计算原理是b p 算法，然后对 样本进行训练与测试，具体的计算过程是： 根据企业所处的行业确定财务状态，从不同状态中取定数量的样本数据作 为输入层的节点；再把理想财务状态输入输出层的节点：利用计算工具m a r b l e 6 5 进行计算，为了把误差率控制在一定的范围之内，在计算的过程中计算机会根据 输入层与输出层的数据进行附权值与阀值。这样就会得到一组权值与阀值。得到 权值与阀值之后，把要测试的样本数据输入输入层的节点对其进行测试，看得到 的输出结果与理想财务状态结果的误差是否在一定的范围之内。若在范围之内则 可以作为财务预警模型，对要做决策的企业的财务风险进行判定。实证研究的结 果表明，基于b p 神经网络的财务预警方法是可行的。当然该模型也有其自身的缺 点，那就是隐含层的节点数为多少的问题。节点数的确定需要不断的对样本进行 训练、测试，最后在达到收敛时的节点数才符合要求，这一过程的工作量极大。 关键字：b p 神经网络、财务预警、财务指标 基于b p 神经网络的财务预警方法研究 o 引言 经济全球化曰益成为一种趋势。中国加入w t o 后，面对经济全球化浪潮的冲 激，市场竞争的加剧，企业的生存和发展面临前所未有的挑战。今天，现金流量 管理和控制财务风险已成为财务管理工作的核心。产生财务危机的原因很多，有 内部企业经营者决策失误、管理失控，也有外部环境的影响，企业产生财务危机 的原因是多方面的，既可能是企业经营者决策失误，也可能是管理失控，还可能 是外部环境恶化等，如战争、经济危机、通货膨胀、金融危机。企业因财务危机 导致经营陷入困境，甚至宣告破产的例子一直屡见不鲜。但任何财务危机都有一个 逐步显现、不断恶化的过程，因此，应对企业的财务运营过程进行跟踪、监控， 及早地发现财务危机信号，预测企业的财务失败。一旦发现某种异常征兆就应着 手应变，以避免或减少对企业的破坏。设立和建立财务预警预报系统，对财务运 营做出预测预报，无论从哪个立场来分析都是十分必要的。经营者能够在财务危 机出现的萌芽阶段采取有效措施改善企业经营，预防失败：投资者在发现企业的 财务危机萌芽后及时处理现有投资，避免更大损失；银行等金融机构可以利用这 种预测，帮助做出贷款决策并进行贷款控制；相关企业可以在这种信号的帮助下 做出信用决策并对应收帐款进行有效管理；注册会计师则利用这种预警信息确定 其审计程序，判断该企业的前景。因此现代企业管理应以稳健经营为原则。在发 现经营风险和财务危机时，及时做出应急方案，化解财务危机，减少财务风险。 国际方面，在1 9 9 4 年底墨西哥金融危机爆发后不久。国际货币基金组织( m f ) 总裁康德苏提出了一种耐人寻味的说法：这是“2 1 世纪的第一次金融危机”。但他 当时恐怕没有想到，此后不到3 年。2 0 世纪尚未结束，又爆发了一场更加严重的 东南亚金融危机。此次亚洲金融风暴，从宏观角度看表现为货币危机，从微观角 度看则是企业发展战略的危机，即企业过度负债，盲目向高风险行业扩张大肆 推进国际化，从而在比较宽松的金融市场氛围下形成了颇具特色的东南亚企业多 元化、综合型的发展战略。然而，由于高比例负债企业的财务结构极不稳定，抵 御风险的能力更弱。所以，当危机来临时这类企业均陷入了困境。马来西亚综合 型企业神话的破灭和韩国大企业集团、大财团的纷纷落马再次警示我们在市场经 济中，对每个企业来说，风险无处不在，无时不在。所以，认识风险，进而防范 和控制风险，是我们对付风险的最佳选择，同时也是微观经济预警系统公司 财务预警系统建立的基础。负债作为企业经营者的一种筹资手段，可以弥补企业 资金短缺，解决生产资金周转的困难，其手段简单、方便，不会丧失股东对企业 的所有权，加之负债利息在企业税前支付，简单来看，其确有诸多好处。但财务 0 引言 风险也会伴随着负债一并产生。 企业资金总额由自有资金和借入资金组成。企业借入资金就必须还本付息， 借款利率可以控制，而企业自身资金利润率却无法确定，这样来，就会导致企 业利润的不确定性，甚至出现亏损。这种由于筹资决策导致资本构成变动而产生 的风险就是财务风险。给财务风险一个较为全面完整的定义是：财务风险是由于 企业筹资和使用资金过程中资本结构变动，筹资时效、方式、渠道等方面决策判 断失误引起的资本成本提高，企业价值减少，造成企业的财务危机，直接或间接 影响企业生产经营活动，可能减少企业总资产或资本权益，造成投资损失，严重 时可导致破产。 面对企业经营中存在的财务风险问题，作为企业个体应该如何去减少和防范 昵? 财务预警是以企业的财务报表、经营计划及其他相关会计资料为依据，利用 财会、统计、金融、企业管理、市场营销理论，采用比率分析、比较分析、因素 分析及多种统计方法，对企业的经营活动、财务活动等进行分析预测，以发现企 业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业经营 者发出警告，督促企业管理当局采取有效措旌，避免潜在的风险演变成损失。因 此建立财务预警系统也构成了现代企业管理的一个重要组成部分。 1 相关文献回顾 难以处理。( 5 ) 预警线和预警区域采用确定方式，不具备时变特性，缺少自适应、 自学习功能。( 6 ) 预警信息和知识获取是间接的、低效率的。( 7 ) 预警系统的建立 是离线和非实时的，难以适应在线定时预警要求。 1 3 问题的提出与选题的意图 以上存在的问题是现代财务预警的致命弱点，种能够解决该弱点的新方法是 现代财务理论界探讨的首要任务。本人从定量分析的角度提出一种可行的财务预 警方法，希望能给理论界提供一个参考。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) ( a z o f r zm1 9 4 5 ) 解决 了上述统计难题，它并不要求变量线性独立。即使是不连续和不完整的信息也能 被采用。将它用于公司财务状态分析的模式识别具有较好的效果( 王永骥、涂建 1 9 9 9 ) 。 人工神经网络在经济预警( e a r l y w a r n i n g ，e w ) 系统中的应用，无论从思想， 还是从技术上都是对传统e w 的一种拓宽和突破，解决了传统e w 模型难以处理高 度非线性模型，偏重定量指标，难以处理定性指标；预警指标的警界限定、警区 采用确定方式，不具备时变特性，缺少自适应、自学习能力；e w 信息和知识获取 是间接的，具有费时、效率低等困难，从而为预警走向实用化奠定了基础。从模 式识别的角度看，经济预警是一种模式分类过程：从预警指标一财务状态之间的 映射关系来看，经济预警是一种函数逼近过程；从预警指标一财务状态之间的噪 声与报警准确度处理方式来看，经济预警又是一种最优化过程。模式识别、函数 逼近、最优化处理是a n n 最擅长的应用领域，因此，a n n 运用于经济预警是非常适 合的。 人工神经网络的财务预警思路。财务状态与其众多影响因素间的关系是种 时变性、高度非线性的关系，影响因素集或指标集到财务预警状态集之间是一复 杂的非线性映射，不存在确定的函数关系表达式，并且各指标权重的确定也相当 复杂。而人工神经网络( a r t i “c i a ln e u r a ln e t w o “，简称a n n ) ( 何玉彬、李新 忠2 0 0 0 ) 模型是从学习样本集中，通过学习规则隐式地抽象出所研究系统各因素 间相互影响和关系，而所谓的学习规则就是神经元间的连接权值的修改规则。人 工神经网络可以实现任意形式的映射，财务预警提供了一种新的思路。 神经网络分析是一种并行分布模式处理系统，具有高度并行计算能力、自学 习能力和容错能力。这种分析的一个优点是使企业财务动态预警成为可能，并使 模型具备随不断变化的复杂环境自学习的能力。这意味着随着样本数的积累，这 种模型可以定期更新推理知识，从而实现对企业危机的动态预警。神经网络分析 基于b p 神经网络的财务预警方法研究 在财务预警模型中的应用开始于上个世纪9 0 年代，包括f l e t c h e r 、g o s s 和a 1 t m a n 等国外研究者。a n n 是近年来发展起来的一门处理复杂系统的理论，其特有的信息 处理能力和独到的解算能力引起了人们的极大关注，呈现出广阔的应用前景。a n n 基于并行处理机制从结构上对人类的思维过程进行模拟，从而能实现人类思维的 某些功能，如学习、逻辑推想、联想记忆和自组织等。1 9 4 4 年，h e b b 根据心理学 条件反射机制提出了神经元间连接强度变化规律的h e b b 学习规则，奠定了人工神 经网络的研究基础；1 9 5 7 年前苏联数学家a n k o l m o g o r o v 提出的多层神经网络映 射存在定理在理论上证明了一个任意的连续函数都能与一个三层神经网络建立映 射关系。其后，r u m e l t h a r t 和m a c l e l l a n d 等提出了反向传播模型( e r r o r8 a c k p r o p a g a t i o n ) ，g r o s s b e r g 等又提出了自适应共振理论模型( a d a p t i v er e s o n a n c e t h e o r y ) 。其中反向误差传播模型( b p ) 是目前应用最广泛的一种模型，这里的讨 论都以b p 模型为基础。由于西方财务困境都以破产或申请破产作为界定财务困境 的标志，所以财务预警研究在很多情况下都称为破产研究。虽然从某些方面来说 破产研究是对已经出现了财务危机的企业进行研究，但这种方法可以值得我们借 鉴，我们可以利用其预警的原理来对企业的财务风险进行衡量。本文也正是利用 此原理对公司的财务风险进行衡量。 本文对上市公司财务预警方法的提出旨在帮助政府、社会各界及其企业本身 对企业作出客观的评价。财务预警研究具有不可忽视的重要性： ( 1 ) 对企业管理层，能提高企业的管理水平。有效地预测财务状况，使管理层 能在企业陷入财务困境前采取及时有效的前瞻性措旌，找出问题症结，制定正确 的战略性财务计划，减少企业陷入财务困境的概率。 ( 2 ) 对企业的股票持有人而言，能起到投资指导作用。从对公司资产的要求权 上，所有债权人的权益都优于股东权益，并且股东提供的风险资本是清偿公司债 务的最后保障。由于公司债务是一定的，支付的利息和偿还的本金在一段时期内 是可以预知的，在公司经营状况校好时，股东可以享受财务杠杆带来的好处，获 得比债权人更高的投资收益：但在公司陷入财务困境时，股东也得随财务杠杆带来 的坏处，只能获得比债权人低的投资收益：如果公司陷入破产的境地，股东更会 失去其本金，损失渗重。股票持有人若事先判断或了解企业将陷入财务困境，减 少对其投资，将能避免损失的发生。而且，财务困境预测也可为股东正确评价管 理层业绩提供参考，提醒股东是否撤换企业的关键管理人员。对企业的潜在股东， 则可提醒他们谨慎购买将陷入财务困境公司的股票。 ( 3 ) 对企业的债权人，可为其是否提供贷款做出参考，减少无法收回本利的损 失。企业的债权人包括贷款银行、融资租赁出租方、公司债券持有人等。企业债 1 相关文献回顾 权人的投资利益只能是按合同约定的基本上固定的利息，但如果经营者为了自己 的利益和股东的利益，追求高风险高收益的投资项目而使公司遭受损失直到陷入 财务困境，债权人不但难以按期收回利息，甚至本金也无法收回。若债权人能准 确预测企业的财务困境，则可在企业陷入财务困境前改变偿债条款，提前收回本 利。对潜在债权人，则考虑是否借款给困境公司，以减少因贷款而带来的损失。 ( 4 ) 对与企业有业务联系的公司，可为其是否加大业务合作提供参考。与企业 有业务联系的公司包括企业的各种材料物资及产品供应商、公司的销售商、公司 业务合作者等。企业的各种供应商如果对公司的供应占了其全部收入的相当比重， 必然时常关注公司的经营情况，企业现有业务的经营状况会直接影响到供应商的 销售收入。企业的销售商也是因为与公司发生业务联系从而与公司的经营有利害 关系，公司的销售商往往要投入大量的人力、物力、财力来拓展公司产品的销售 渠道，如果大量的工作已经做了，企业的经营却出现了问题，对销售商的影响是 很大的。若能及时的知道企业经营出现了困境，与企业有业务联系的公司则能减 少其投入，降低损失程度。 ( 5 ) 对有收购或兼并意向的公司，可为其正确估价目标公司的整体价值提供参 考。在购并中，有时目标公司的价值被市场高估了，如能及时发现其陷入财务困 境，评估目标公司的真正价值，就能以很便宜的价格收购或兼并目标公司。 ( 6 ) 国家经济管理部门要制定宏观经济政策，调控经济运行，需要掌握企业的 经济效益等各方面的情况。如能及时了解公司陷入财务困境的信息，有助于它实 现宏观经济决策和提供科学化服务。 ( 7 ) 对政府管理机构，可根据将陷入财务困境公司的经济地位，提前协调各方 面的关系，从而减少破产成本的支出和因工人失业造成的社会动荡。财务困境预 测有利于改善资源的宏观配置计划，控制处于破产边缘、没有前景的企业的财政 拨款，以减少国有资产流失，实现资源的优化配置。 ( 8 ) 对于企业的员工，其经济利益与公司的经营状况紧密相连，通过对财务困 境的分析能对自己工作的安全保障程度和未来发展的可能做出评价。 ( 9 ) 对审计企业财务报告的注册会计师，财务困境的分析能使其保持更高的警 惕，正确处理企业财务报告中可能存在的错误与舞弊( 田高良、王晓强、赵红建 2 0 0 2 ) 。 基于卵神经网络的财务预警方法研究 2 b p 神经网络 2 1神经网络的基本原理及其特点 2 1 1神经网络的基本原理( 理论基础) 神经网络是从生物学的角度来模拟人类思维过程的( 何玉彬、李新忠2 0 0 0 ) 。 由于人们对大脑的思维机制还很不了解，因此当前人工神经网络还只是大脑的低 层模拟。 ( 1 ) 神经元 神经元就是神经细胞。在生物体内有种类繁多的神经细胞，它们在生物体内 通过相互的连接构成一个有机的网络系统。一个神经元主要包含两个部分，一个 是神经细胞体，细胞体内有一个细胞核，另一个是突触，它包含树突和轴突，树 突对神经细胞来说相当于信息输入通道，轴突相当于输入信息经细胞体处理后的 输出通道，一般来说，人体内有很多不同种类的神经元，构成一个复杂的有机体。 人们的目的就是建立人工神经网络来模拟人脑的思维过程。 ( 2 ) 神经元问的连接 生物体内的神经元是靠突触相互连接的。这类连接通道不仅起到传输信息的 作用，而且还能对输入信息加权。对某一个神经元来说，各个输入信息所起的作 用不同，有些输入信息起到兴奋作用，因此该输入信息的输入权值较大且是正的， 而另外一些输入信息对神经元起抑制作用，医此该信息的输入权值是负值。一个 神经元是否能被激活，主要取决于输入信息的大小。根据研究发现，一个神经元 的输入信息不能有很多个，当这个输入信息的加权和超过神经元的阀值时，该神 经元就被激活。 ( 3 ) 神经网络 神经网络通过数量庞大的神经元之间的相互连接进行工作，有时也称其为连 接学习方法。问题求解时，每一个神经元都是一个独立的信息处理单元，网络中 的神经元并行处理通过竞争求出适合于问题解的最佳模式，这使得神经网络信息 处理具有容错性和可靠性。另外神经网络运行时无中央控制器，它是靠神经元协 同作用，相互制约达到求解目的。 2 1 2 神经网络的特点 神经网络是人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k 缩写为a n n ) 的简称， 它是生物学上的真实人脑神经网络的结构和功能，以及若干基本特性的某种理论 抽象、简化和模拟而构成的一种分布式信息处理结构。从系统观点来看，神经网 】3 1 相关文献回顾 ( 4 ) 财务危机实现期：负债超过资产，丧失偿付能托蒲娶叁悫蝌 i ：1 i8 策车鳇硅峪翌群。戏铬豫 稚聪靶2 龆。管理鲤个堑梧- - 反域诮茧秸舨鞠喊圣 利省受豁型如嚯蟮； 煸缓叁嚣托菲般搿籀芒显霜掣精强= 嚣箬鼹翟琨约瓤壮盈鬻黔趔辨鸥豫娑 蛆s 森揣等| 萋塞丽咭濡遁漕瑚强澎峨焉避案增壅荤者昂茉釜昂宣：轴巍磷献静越罾茗鼎 茉蠡晶； 赫赫荑掘箭就可以比财务反映提前若干年被发现。这种管理评分法试图把定 性分析判断定量化。这一过程需要进行认真的分析，深入企业及其车间，细致地 对企业高层管理人员进行调查，全面了解企业管理的各个方面，才能对企业的管 理进行客观的评价。 从评价项目可知，管理评分法是基于这样一个前提：即企业失败源于企业的高 级管理层。阿吉蒂的管理评分法简明易懂、有效。当然其效果还取决于评分者是 否对被评分公司及其管理者有直接、相当的了解。 表1 1 项目评分 表现 缺 点 管 2 b p 神经网络 的输出： o ，- f ( a 少专 其中 a j 2 w 口0 l 是节点j 的输入加权和：i 为j 的信号源方向的相邻层节点，o ，为节点的输出， 节点j 的输入：0 。= 一1 ，1 】。，= 口( 阀值) 。 其次，从输出层节点到输入层节点以方向掣鬟。m 豳辨鲜髭鞘霉，公司可雕破 产以及何时i 毒；| 赴；j 善i l ! 甬羔磐妻j ；i ! 峰j i 薪措 餐”ll ! | ! l 雾翼 型氛戳髦群删驯出现越来 越误导的结果。看似说明企业经营好转的 比率若按实际衡量，情况可能恰恰相反。公司的管理部门认识到公司正面临财 务困境时，往往采取粉饰会计报表来掩盖公司实际财务状况。从公司本身的角度 来看，在报表上弄虚作假实际对公司一点好处也没有：因为掩盖财务困难( 即使对 第三方掩盖得很久) 也不能自动解决这些困难。 1 1 2 2 多变量模式 1 企业安全率的计算 通过计算企业的安全率，了解企业财务经营结构现状，并寻求企业财务状况 改善方向。企业安全率是由两个因素所交集而成：一是经营安全率：二是资金安 全率。 经营安全率用安全边际率表示： 安全边际率= ( 现有或预计销售额一保本销售额) 现有( 预计) 销售额 资金安全率计算方法是： 资金安全率= 资产变现率一资产负债率 基于b p 神经网络的财务预警方法研究 这个误差函数达到最小值。上面( 2 3 1 2 ) 式及占的定义，就是用梯度下降法， 在权值空间沿负梯度方向调整权值w 。以使( 2 3 1 1 ) 式所示的准则函数达到 最小。所以，b p 神经网络的学习过程就是一个非线性优化过程。 由于b p 神经网络的输出( _ ，而，z 。) r “，输出( m ，) ，：，) r ”，所以， 一个b p 神经网络其实就是一个从，z 维空间r ”到聊维空间r “的高度非线性映射。 理论研究表明，通过学习，b p 神经网络可以在任意希望的精度上逼近任意的连续 函数。所以，b p 神经网络就可作为一种函数估计器。通过学习来实现或近似实现 我们所需的但无法表示的未知函数。 需要说明的是，b p 神经网络的相邻两层节点之间的连接权值w l ，恰好构成一个 矩阵( w 。) ，而输入又是一个向量( 即1 厅矩阵) ( 阀值口也可看作是权值为一1 的一个输入) ，所以，在网络的学习过程中要多次用到矩阵运算。 下面我通过一个实例，介绍基于b p 网络的神经网络学习 例，设计一个b p 网络，对表2 一l 所示的网络训练样本数据进行学习，使学成的网 络能解决类似的模型分类问题。 表2 1 输入输出 x lx 2x 3y 】y 2y 3 0 30 80 1l0o o 70 10 301 o o 6 o ，6o 6o0o 设网络的输入层有三个节点，隐含层有四个节点，输出层有三个节点，拓扑 结构如图2 2 所示。 用样本数据按b p 算法对该网络进行训练，训练结束后，网络就可作为一种模 式分类器使用。因而网络的输出向量( 1 ，0 ，o ) 、( 0 ，1 ，o ) 、( o ，0 ，1 ) 可以表 示多种模式或状态。如可以表示凹、凸、和直三种曲面，或者三种笔画，也可以 表示某公司的销售情况：高峰、低谷和持平等等。当然，要使网络有良好的模式 分类能力，必须给以足够多的范例使其学习，本例仅是一个简单的示例。 基于印神经网络的财务预警方法研究 预警的反向误差传播模型( 简称财务预警b p 模型) 。然后，以足够的样本，以b p 模型学习算法来训练这个神经网络，训练好的网络所得到的那组权系数就是所要 确定的财务预警指标权重。这是网络经过自适应学习得到的网络内部信息的一种 本质的、集成的表示，也是财务预警系统信息的一种全息式的、分布式的存储方 式。最后，将目标企业财务预警指标的具体值作为训练好的财务风险b p 模型的输 入，可得目标企业财务状态。本文基于b p 算法的原理，首先提出公司财务预警的 方法，然后对其进行实证研究。研究结构如下： 3 基于b p 神经网络的财务预警方法研究 3 基于b p 神经网络的财务预警方法研究 3 1基于人工神经网络的财务预警方法的提出 企业因财务危机导致经营陷入困境，而财务危机是个逐步显现的过程，因 此，应对企业的财务运营过程进行跟踪、监控，及早地发现财务危机信号，预测 企业的财务失败。一旦发现某种异常征兆就应着手改变。以避免或减少对企业的 破坏。财务预警预报系统可以对财务运营状态做出预测预报，从而判断是否处于 财务危机，如果处于关注或警报就找出产生危机的部分，然后对财务相关因素进 行定量的、科学的评估。因此，建立财务预警系统是十分必要的。目前，财务预 警的定量评价侧重于对传统评价方法的运用( 吕盛鸽2 0 0 2 ) ，如主成分分析法( 潘 琰、程小可2 0 0 0 ) 和时间序列分析法( a z o 圩zm1 9 9 4 ) 等。以上定量研究主要 采用传统的统计方法( 判别分析) 来预测财务危机。但以上模型具有统计上的局限 性：( 1 ) 线性回归要求数据服从正态分布并满足独立性假设：( 2 ) 从单个财务比率 看，变量缺乏解释能力：( 3 ) 采用的统计方法不一定正确。统计方法需要数据呈正 态分布的假设。在实际当中，有些比率并不服从正态性的分布。这样正态性假设 的要求就会影响到分类的结果，有时一个变量会被运用多次作为分类变量，最后 得出的模型不一定是最优化的结果。主要体现在：( 1 ) 预警状态偏重定量指标，忽 视定性指标，因而易失去预警信息。( 2 ) 评价预警技术和方法仍以传统的财务比率 分析法为主，集计量经济学、统计学、信息科学、管理工程系统知识和计算机技 术一体的动态财务预警系统及方法有待努力发展。( 4 ) 国内现有的财务绩效评价指 标系统过于庞大，运作成本高且预警信号传递慢，预警效果不佳。( 3 ) 预警模型多 采用线性模型，高度非线性系统难以处理。( 5 ) 预警线和预警区域采用确定方式， 不具备时变特性，缺少自适应、自学习功能。( 6 ) 预警信息和知识获取是间接的、 效率低。( 7 ) 预警系统的建立是离线和非实时的，难以适应在线定时预警要求。 以上存在的问题是现代财务预警的致命弱点，也就是对财务指标的要求非常严 格，如：回归、正态分布等，也就是对财务指标的处理非常困难。一些能够解决 该弱点的新方法就要现代财务理论界逐渐去找寻与发现。本文应用人工神经网络 的有关理论从定量分析的角度，结合财务要素的特点，提出了一种可行的财务预 警新方法，一种无需对财务指标进行人工处理的方法。希望能给理论界提供一个 参考。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 解决了上述统计难题， 它并不要求变量线性独立。即使是不连续和不完整的信息也能被采用。将它用于 。如销售收入总资产下限接近于0 ，却没有理论上的上限 2 0 基于b p 神经网络的财务预警方法研究 公司财务状态分析的模式识别具有较好的效果。 人工神经网络在经济预警( e a r l y w a r n i n g ，e w ) 系统中的应用，无论从思 想，还是从技术上都是对传统e w 的一种拓宽和突破，解决了传统e w 模型难以处 理高度非线性模型，偏重定量指标，难以处理定性指标；预警指标的警界限定、 警区采用确定方式，不具备时变特性，缺少自适应、自学习能力；e w 信息和知识 获取是间接的、费时、效率低等困难，从而为预警走向实用化奠定了基础。从模 式识别的角度看，经济预警是一模式分类过程；从预警指标一财务状态之间的映 射关系来看，经济预警是一函数逼近过程：从预警指标一财务状态之间的噪声与 报警准确度处理方式来看，经济预警又是一最优化过程。模式识别、函数逼近、 最优化处理是a n n 最擅长的应用领域，因此，a n n 运用于经济预警是非常适合的。 3 2 财务预警及其指标的描述 3 2 1 财务预警的内涵 财务预警的内涵( b e a v e rwh1 9 9 6 ) ：财务预警是以企业的财务报表、经营计 划及其他相关会计资料为依据，利用财会、统计、金融、企业管理、市场营销理 论，采用比率分析、比较分析、因素分析及多种统计方法与非统计的方法，对企 业的经营活动、财务活动等进行分析预钡4 ，以发现企业在经营管理活动中潜在的 经营风险和财务风险，并在危机发生之前向企业经营者发出警告，督促企业管理 当局采取有效措施，避免潜在的风险演变成损失。根据其特点可知其具有如下功 能： 监测功能。监测即跟踪企业的生产经营过程，将企业生产经营的实际情况 同企业预定的目标、计划、标准进行对比，对企业营运状况作出预测，找出偏差， 进行核算、考核，从中发现产生偏差的原因或存在的问题。当危害企业的财务关 键因素出现之时，可以提出警告，让企业经营者早目寻求对策，以减少财务损失。 诊断功能。诊断是预警体系的重要功能之一。它根据跟踪、监测的结果对 比分析，运用现代企业管理技术、企业诊断技术对企业营运状况之优劣作出判断， 找出企业运行中的弊端及其病根之所在。例如，某家企业的流动比率恶化，导致 财务经理疲于调动资金以应付日常财务周转。 治疗功能。通过监测、诊断，判断企业存在的弊病，找出病根后，应对症 下药更正企业营运中的偏差或过失，使企业回复到正常运转的轨道。一旦发现财 务危机，经营者既要阻止财务危机继续恶化下去，也要寻求内部资金的创造渠道， 还要积极寻求外部财源。 健身功能。通过预警分析，企业能系统而详细地记录财务危机发生的原由、 2 1 基于b p 神经网络的财务预警方法研究 ( 2 ) 主营业务利润翠是企业的主要经霄业务利润与主萤经霄业务收入的比罩。 其计算公式为： 销售毛利率= 童鬻l o o = 塑掣翕学灿。 2 经营能力 ( 3 ) 存货周转率，也称为存货利用甄；燃蒌随拦d 艟茄跆苷婪蠹是采取迭代 递碱的。权值修正法纛? d 酣嘭抽媸一纛 霜睁i翱坪b 枷n 裂餮烈鞲剑黠磋雾e - f 糕 ；目l 禧销骚酩轴爨簖琏沓拜酮正法。本文收集的数据是来自2 0 0 4 年5 月1 0 日“巨 潮财讯”数据中心的财务指标分析网页中的2 0 0 2 年上市公司财务指标数据。根据 b p 神经网络算法的要求，无需对上市公司公布的五类1 5 项财务指标进行增加与删 减，只需把五类1 5 项指标归为1 5 个输入层的1 5 个节点即可。五类1 5项指标如 下： 1 赢利能力 ( 1 ) 销售毛利率 ( 2 ) 主营业务利润率 2 经营能力 (3 ) 存货周转率 (4 ) 固定资产周转率 (5 ) 总资产周转率 3偿债能力 3 基于b p 神经网络的财务预警方法研究 ( 7 ) 速动比率也称为酸性比蓉；即矗妊眠答焉廖话肛峨黟舐i 凝孺哗镩 磷” 哥一黧鬟粪 i 2 i 警婺鹁转鲮鎏嚣“鳍瑟鬻努驺鹭耍麓黉国嚣繇藕麓辫箭螽滚重裂魏 骖j 雏酽鼙魏骆驻冀鹱鹱塑薹蠡瑟爱鞭；垮帮蓬交嗡i 鞲蔫蓠啜一囊孽雾黼 嚣鹈耱酶冀雾溪曦。麓赫冀蘸嚣霆摹嚣萋萋斡掰霾夔器辫 曩溪薹裂藜雳髫籍鹱熊爨星t 晶洲铲勘蓬删辎霞 o5 80 0 6 o1 6o7 80 40 2 2 节点5 1 7 322 54 8 9 4 4 42 6 65 3 4 5 4 0 188 l22 5 节点6 1 14 9 基于8 p 神经网络的财务预警方法研究 与资产总! 正净吲省：彩吾题蠢蓊唑德狰于卜籍鞫添趔写艨缀溪嫦母终i 耐嚣灞确偻 撼i 藏蔓嚣幽歪一嚣冀囊蓁骛纛 鞴傅漕嘎淬障粹葫引善錾灯潦靛。耀绻罐鬻瑗嶙：新搿巍蚕啦型骛险雏睡准 】1 i ：哑理= 嚯溶淄螭嘻i 划群誊赫一删曩 慈辅摧笮铥鞫馨秉翱耱酥貅献韪斯瓤融崩驯兽瓣。埠群蚓鬻逞像g 浩艨慌 瀑嵩侧缫；鼎眉发辱揣挫答搿绐磊掣尘型撰琚苍计算机耗时约2 分多钟训练后达到 要求，得到权值矩阵值为w ，n 和w 。阀值矩阵 为b ，和b 2 。注意到不同的权值和阀值初值经过训练可以得到不同数值终值，但这 并不影响最后的预警输出结果，对于原始的输入输出数据，符合率要达到9 5 。 应注意在学习过程中，如发现学习终止的控制误差越小预测结果并非一定 越好，因过度学习会将过多的噪声信号引入权值中。 4 3 3样本测试 在实验设计中，为检验上述建立b p 网络结构，将为参加学习的1 5 个样本( 见 表2 ) 进行测试，使用测试数据表进行测试的结果见表3 w j n 2 “n = b l = b 产 0 4 2 5 0 1 0 1 3 4 0 1 0 0 8 1 6 1 3 0 1 1 9 1 1 2 2 4 5 0 1 9 8 5 6 1 2 7 2 4 0 1 0 5 3 9 4 基于b p 神经网络财务预警方法的实证研究 表4 2 测试样本集企业l企业2企业3企业4企业5企业6 企业7企业8输 基于b p 神经网络的财务预警方法研究 另外，人工神经网络具有“相似性输入，相似性输出”的特征，所以该方法的预 警精度和科学性不仅取决于训练样本的数量，也决定于训练样本的质量。因此， 应用中的主要不足在于难以一次得到足够的理想样本，这需要在使用过程中逐步 积累学习经验和有效样本，使财务预警的b p 网络日渐完善。需要进一步研究的问 题包括：基于人工神经网络的财务预警系统的开发，本文所提出的预警方法的实 证分析，以及本文所提出的预警方法和其它预警方法的比较研究等等。 5 结束语5 结束语5 1总结 人们已经无法用一个比率获得足够的信息来描述企业所有必备的特性，而单 个的比率分析不仅复杂，而且分析师也很难消化吸收这些信息以了解企业整体财 务状况。通过应用bp神经网络财务预警模型对国内上市公司的实证分析，我们可 以清楚地看到b p 神经网络预警模型对中国市场的有效性。这种模型的重要性在于 使用多个变量综合估计，获得有关企业财务状况的信息。因此，把财务比率综合 起来较为可取。事实上，对于财务状况恶化的研究不仅仅局限于st公司，有部分 企业虽然暂时没有加入st公司的行列，但它们的生产经营已经存在严重困难。这 就要求股东、管理人员、以及其他的相关人士及时了解企业所面临的财务困境， 改变经营策略，或进行实质性的资产重组。这样才能在市场低迷时适应市场要求， 避免决策失误。对于st公司其重组或改革的难度更大，需要利润的大幅度拉升才 能改变现状，及时准确的财务困境预测更是必不可少的警报器。 尽管财务预警模型尚缺乏完善的经济理论基础，在方法上也存在一些问题，但 由于它对实际经济活动决策有着很好的辅助作用，受到了实务界和学术界的高度 重视。即使在我国当前各方面都不太完善的资本市场中，在没有进一步深入考虑 影响我国上市公司财务状况的特殊因素下，基于财务报表的财务预警模型仍然可 以提供相当高的判别精度。 随着我国s t 公司和p t 公司推出机制的不断完善和股票市场的进一步扩容，那 些借壳上市的财务行为会越来越少，因此，此类公司的壳资源将会不断降低。为 了降低投资风险。对财务处于危机的公司进行准确预测的需求将会越来越高。 在财务风险预警指标中，资产净利润率是一个很重要的指标，在众多判别模型 建立时，该指标都能入选，而且对模型的影响都排在第一位，表明该指标能较为 有效地揭示企业的财务风险状况。一般的财务比率往往是管理层关注的目标，因 此极有可能被操纵，如净资产利润率。但该指标在第二次附权值时阀值并没有太 大的变化，说明本研究的财务困境预警模型具有比较强的自我学习功能，同时也 说明目前所用评价企业财务状况的普遍性指标不定能真实反映企业的经营状 况。因此在对企业进行财务风险预测的时候，不能单看到表层的特征性指标，而 应该分析总体风险之后再分析指标的构成和影响因素，找到影响企业财务状况的 深层次内容。 研究结果是建立在我国目前会计报表数据是可用的。财务风险前四年的报表数 据都能提供可用信息。本研究采取的样本对所取报表原始数据并没有做任何技术 基于b p 神经网络的财务预警方法研究 处理，从实证结论可以看出，根据样本建立的模型其预测结果基本与实际相符， 误差水平可以接受。即根据经验剔除明显失真的企业会计报表数据可以用来建立 财务风险预警模型。 研究结果还表明财务困境公司和非困境公司的财务指标在困境前年份大多数 差异明显，但呈正态分布的不多，并不服从很多目前所用财务困境预测模型的前 提假设条件。而且样本数目的多少和待选预测指标的多少会影响到模型的预测效 果，因此在建立模型时，应尽量扩大样本范围。 本文将神经网络技术应用于财务风险预警中，结果表明神经网络技术具有广泛 的应用前景。a n n 技术的预测效果要优于统计技术的预测效果。其中线性判别分析 法能够比较完善、迅速地解决问题，与a n n 技术相比，判别分析法建立的模型具 有较强的透明度，因此这一模型也就比较容易进行解释。模型中变量的系数都具 有一定的涵义，代表了指标的重要性程度，可以比较各个变量对模型贡献的大小。 而a n n 技术，它可以根据新的样本不断的调整模型，尤其适用于样本分布不断变 化的情况。无论是统计技术还是a n n 技术，应用到上市公司财务困境预警中都具 有较高的预测准确率，可在以后的研究中两者综合适当采用。 5 2 研究的局限。陛 ( 1 ) 财务风险层次界定标准。本研究将s t 公司定义为财务困境公司，但是在 随机选取的非s t 公司中，仍然会存在一些实际己经陷入财务危机但问题却还没有 暴露的公司，这样神经网络的学习效率必将受到影响，我国证券市场处于成长阶 段，s t 的确定标准也在不断变化，在一定程度上限制了a n n 模型的应用。 ( 2 ) 财务危机前提概率限制。神经网络模型为财务预警研究提供了另外一种方 式。实证结果虽然显示a n n 模型优于线性判别模型，但本研究样本中困境公司和 非困境公司数目几乎相同，实际中财务处于危机状态的公司的概率却远远小于 5 0 。这种等数目分组样本所估计的模型会出现偏差。对线性判别模型也有一定的 影响。 ( 3 ) 对误分成本的考虑。a n n 模型只给出模型分类准确率而没有考虑到误分成 本。实际中误分成本很重要。犯第一类错误的后果远远要严重于犯第二类错误的 后果。从投资者和银行的角度，第一类错误的成本要大于第二类错误的成本，而 从被误判的经营良好的企业角度，由于贷款者、顾客、供货商、股东或其他投资 人的不必要的戒备状态，会使误分成本更高。这些都影响了模型的有效性。 。误分是指把财务预警模型中的财务状态进行错误地界定，即在安全状态、关注状态、危险状态界定时进行 了错误的分类。第一状态与第二状态的界定错误属于第二类错误，第二状态与第三状态的界定错误属于第一 类错误。 3 9 5 结束语 ( 4 ) 数据的不完备性。可供选择的代表公司财务状况的特征指标只有1 5 个， 考虑的因素也可能不全面，因为没有哪种理论或实证分析能确定哪些信息是完全 有用的，这样对预测结果有一定影响。 ( 5 ) 神经网络的局限性。神经网络缺乏对模型的解释能力，人们无法根据网络 的权值得到输入变量的相关重要性。对于财务风险预警问题并没有一个模式来构 造网络的结构，必须反复实验。隐含层的设立也需进一步探讨，隐含层单元数增 多，有利于对训练样本拟合，但同时削弱了模型的泛化能力，会产生过度训练问 题，而且，在确定隐含层的节点数是工作量是巨大的。神经网络的训练比较复杂， 训练过程中收敛是不可预测的，且时间相当长。用b p 算法采用梯度下降法来修正 权值，在实际问题中往往不能取得最佳效果。在某些情况下，网络训练过程中对 权值的修改停顿使得网络陷入瘫痪。系统在训练过程中有可能会出现振荡。 ( 6 ) 指标的局限性。在对财务风险进行衡量时，取的指标都是财务指标，因 此，得到的风险状态对公司不具有完全的解释能力。财务风险并不仅仅是由于财 务失败导致的，还有其他非财务因素。本文采用的都是定量指标，无定性指标。 若能够把定性指标转变成定量指标，那财务信息就更全面，财务风险的高低就被 衡量得更准确。 5 3 有关研究领域未来的拓展方向 ( 1 ) 在实际情况中，犯第二类错误最多是损失一笔利息收入，犯第一类错误则 会造成贷款不能收回、形成呆账等损失。所以要尽量减少第一类错误的发生概率。 在以后的研究中可在判别模型中加入使第一类错误最小化的目标函数。 ( 2 ) 样本的选取需要更加合理化。本研究只采用了1 5 个财务指标作为特征变 量，而实际中上市公司的财务指标远远不止这么多。如果条件允许，可加大预测 变量的选择范围。 ( 3 ) 预测财务困境公司的a n n 技术有待优化。应加强输入变量与输出变量、模 型结构、权重关系的研究，尝试采用其它结构的神经网络预测财务风险。b p 算法 的采用和网络拓扑结构的设定可进一步研究，亦可采用神经网络和专家系统相结 合，看能否提高财务风险的预测能力。 ( 4 ) 任何模型的结果都无法代替人脑的分析，企业财务风险预警模型也一样， 它只是一种“量化”了的模型，给相关决策提供一种